达观数据作为智能知识管理领域的“专精特新”小巨人企业，凭借前沿技术实力，揽获中国人工智能领域“吴文俊人工智能奖”。依托先进的人工智能技术，深度梳理知识脉络，构建动态知识图谱，推动知识高效传承，为组织打造智能知识大脑。其产品广泛覆盖金融、能源、工业、政务等领域，在文档智能审阅、智能搜索问答、自动化报告写作、深度归纳分析等场景中发挥关键作用，显著提升知识资产价值转化效率。
达观数据的发展历程主要经历三大阶段。
第一阶段：技术和产品迭代阶段。达观数据于2015年起步做基础文档解析；2016年推出国内首个IDP（智能文档处理）平台；2018年攻克无固定格式票据OCR等前沿技术。
第二阶段：大模型与智能体研发阶段。2023年达观数据布局垂直大模型，发布“曹植”大语言模型，并基于该模型推出智能办公系统；2024年推出“智能数字员工Agent平台”，正式将RPA自动化执行与“曹植”大模型结合。
第三阶段：深度融合智能体商用落地阶段。2025年2月，达观数据接入“DeepSeek”大模型，升级智能审核系统与Agent产品矩阵；5月发布“达观智能一体机”，内置DeepSeek大模型和企业级知识库；7月在WAIC发布“深度融合Agent能力的企业级知识库”。
近年来，达观数据为金融与工业制造等领域提供的各类Agent实现全面落地。在金融领域，达观数据推出“银行智能体”和“证券智能体”，能够处理知识库问答、文档质控、信贷与财务报表审核等场景，让原本依赖人工反复核查的流程实现自动化与可审计化。在工业制造领域，智能体也开始深入供应链、电力能源等环节。例如“供应链智能体”可以帮助企业高效完成上下游对账与合规校验，“电力能源智能体”则能够支撑大体量工单和运维文档的解析与判断。
智能体与传统RPA存在明显差异。RPA 擅长重复性的、固定流程的操作，缺乏对语义和场景的理解。陈运文认为，智能体比作“RPA2.0阶段”，智能体在RPA基础上增加AI和知识库能力。智能体在自主学习、举一反三方面的能力更为显著，能理解合同条款的含义，能判断财务数据是否合规，能根据规则做出不同处理，还能在遇到异常时触发人工复核。同时，智能体也需要RPA技术实现协同，将RPA作为功能组件配合使用。
智能体开发不仅是技术层面，更要重视行业知识的积累与融合。为此，达观数据在智能体开发方面展开一系列工作，引入金融、工业制造、能源电力等垂直行业的专业知识，并将行业知识将进行深入的加工提炼，形成知识图谱和知识管理系统。
行业知识方面，达观形成关于知识采集、知识提炼和知识运营的一整套流程。
知识采集。达观对于行业知识和企业内部知识进行充分采集，并与不同行业的客户进行深度交流，把分散在年报、制度手册、业务流程、合规规范中的信息收集起来。
知识提炼。借助智能文档处理和知识图谱等能力，把原始资料转化为结构化、标准化的知识单元。合同条款、报销明细、审计报告，经过提炼后，才成为机器能够理解和判断的“知识燃料”。
知识运营。知识处于滚动更新状态，行业法规会调整，企业内部制度也会迭代。达观数据为客户提供一整套知识运营方法论，让知识库保持动态更新。
在陈运文看来，智能体要实现真正意义上的商业化落地，目前还处于非常早期的阶段。当前，智能体在企业渗透率预估只有5%，大多数企业还停留在试点和小规模应用的阶段。智能体在企业落地的门槛更高。一方面，企业需要安全可控的部署方式；另一方面，企业对智能体的要求较高，智能体至少能够实现95%以上的专业工作，才能满足企业的日常需求。企业不希望智能体存在幻觉，因而专业、准确、可靠的智能体在垂直场景中发挥更大价值。
“专业、准确、可靠”作为达观智能体在专业场景下的核心优势。智能体需要在专业场景下能够实现高度可用，该系统需要在企业内部24小时不间断稳定可靠运行。要求技术提供方在产品的工程架构、数据的安全可靠、系统的灵活可配置等方面做很多产品设计研发工作。达观智能体融合企业原有产品模块的核心能力，将大模型与小模型能力相互融合，为客户提供完整的解决方案。
从智能体未来发展来看，陈运文判断，智能体将率先从头部企业落地示范，随后中小企业跟进。智能体不是昙花一现的概念，而是一场长周期的技术与产业演进。智能体越来越深入到各垂直行业，把行业知识和流程经验做成差异化能力。此外，智能体在企业内部的中后台环节渗透程度持续加深。
关于 AGI（通用人工智能），外界常常聚焦在“数据量”和“算力规模”方面。陈运文看来，真正决定未来能否走向AGI的是两把尺：高质量知识和多模态融合。
第一把尺：高质量知识。
大模型的确依赖大规模数据和算力，但“量”不是唯一答案。行业场景需要的，是高质量知识，而不是堆砌的冗余数据。只有把行业规则、专业经验转化为结构化的知识，智能体才能在真实任务中做出可信的判断。
第二把尺：多模态融合。
AGI要走出实验室，必须像人一样拥有“手脚和五官”。这意味着AI不仅能理解文本，还要能处理图像、语音、视频，并能通过执行器完成动作。感知、推理、执行三者打通，才能形成真正的闭环。
陈运文认为，当前阶段要实现人工智能的商业化落地，首先要让AI的落地深度更深，专业化程度更高。从长期来看，人工智能需要实现在更多的场景落地，实现广度更广的目标。
通过本次专访，至顶智库认为，人工智能向AGI目标迈进，并不是一味追逐参数规模，而是要在“专业知识”与“多模态能力”方面不断突破。真正的通用智能，应该既能深耕行业，也能跨越场景。
